为什么我的 NVIDIA GPU 驱动程序在 RHEL 9 工作节点上安装失败？

虚拟私有云 传统基础设施

当您尝试在 Red Hat Enterprise Linux 9 工作节点上安装 NVIDIA GPU 驱动程序时，安装会失败，并出现版本库错误。

您会在 nvidia-driver-daemonset-* pod 日志中看到类似下面的错误信息：

Error: Unable to find a match: kernel-headers-VERSION kernel-devel-VERSION

例如：

Error: Unable to find a match: kernel-headers-5.14.0-570.112.1.el9_6.x86_64 kernel-devel-5.14.0-570.112.1.el9_6.x86_64

NVIDIA GPU 操作员无法为 RHEL 9 工作节点启用所有必需的扩展更新支持 (EUS) 资源库。 虽然 EUS 资源库已在 Red Hat OpenShift on IBM Cloud 中为 RHEL 9 工作节点启用，但 NVIDIA 驱动程序的安装需要额外的资源库配置。

应用 ConfigMap 启用 NVIDIA GPU 驱动程序安装所需的 EUS 资源库。

1. 通过 SSH 连接到其中一个 RHEL 9 工作节点，获取所需的版本库配置值。

   oc debug node/<worker-node-name>
   

2. 访问主机文件系统

   chroot /host
   

3. 查看 Red Hat 资源库配置，检索所需数值。

   cat /etc/yum.repos.d/redhat.repo
   

4. 从输出结果中找到 [rhel-9-for-x86_64-appstream-eus-rpms] 部分，并记下以下值：

   • baseurl- 资源库的基本 URL
   • sslclientkey- SSL 客户端密钥的路径（包含证书序列号）
   • sslclientcert- SSL 客户端证书的路径（包含相同的证书序列号）

   证书序列号同时出现在 sslclientkey 和 sslclientcert 路径中。 例如，如果路径是 /etc/pki/entitlement-host/1234567890123456789-key.pem 和 /etc/pki/entitlement-host/1234567890123456789.pem，证书序列号就是 1234567890123456789。

5. 退出调试会话。

   exit
   exit
   

6. 创建 ConfigMap 文件，文件名为 nvidia-driver-repo-config.yaml，内容如下。 将 NAMESPACE-GPU 替换为安装 GPU 驱动程序的命名空间，将 BASEURL 替换为您获取的基本 URL，并将 CERT-SERIAL 的两个实例都替换为您的证书序列号。

   apiVersion: v1
   kind: ConfigMap
   metadata:
     name: nvidia-driver-repo-config
     namespace: NAMESPACE-GPU
   data:
     rhel9.repo: |
       [ibm-rhel-9-for-x86_64-appstream-eus-rpms]
       name = Red Hat Enterprise Linux 9 for x86_64 - AppStream - Extended Update Support (RPMs)
       baseurl = BASEURL/pulp/repos/customer/Library/content/eus/rhel9/9.6/x86_64/appstream/os
       enabled = 1
       gpgcheck = 1
       gpgkey = file:///etc/pki/rpm-gpg/RPM-GPG-KEY-redhat-release
       sslverify = 1
       sslcacert = /etc/rhsm-host/ca/katello-server-ca.pem
       sslclientkey = /etc/pki/entitlement-host/CERT-SERIAL-key.pem
       sslclientcert = /etc/pki/entitlement-host/CERT-SERIAL.pem
       metadata_expire = 1
       enabled_metadata = 0
   

7. 将 ConfigMap 应用到群集。

   oc apply -f nvidia-driver-repo-config.yaml
   

8. 编辑群集策略，将 ConfigMap 添加到 repoConfig 部分。

   oc edit clusterpolicy
   

9. 将 configMapName 字段添加到 spec.repoConfig 部分，并输入您的 ConfigMap 名称。

   spec:
     ...
     repoConfig:
       configMapName: nvidia-driver-repo-config
     ...
   

10. 删除 NVIDIA 驱动程序守护进程 pod，使其循环并应用新配置。

oc delete po nvidia-driver-daemonset-*

pod 重启后，NVIDIA GPU 操作员可以访问所需的 EUS 资源库，并在 RHEL 9 工作节点上成功安装 GPU 驱动程序。